Wykres multi-vari: Gdzie rodzi się zmienność.
Wykres multi-vari — proste narzędzie graficzne, nie analiza wielowymiarowa — dzieli zmienność mierzonej wielkości wyjściowej na rodziny, na przykład wewnątrz detalu, między detalami i w czasie. Dzięki temu widać, gdzie tkwi przyczyna dominująca, jeszcze przed pierwszym eksperymentem.
Dlaczego multi-vari?
Gdy problem jakościowy wciąż wraca — braki, poprawki, wymiar wychodzący poza tolerancję — zwykle zaczyna się od burzy mózgów: spisuje się wszystkie możliwe przyczyny, a potem po kolei testuje faworytów. Przy kilkudziesięciu podejrzanych może to trwać miesiącami, a wiele z tych prób niczego nie zmienia.
Badanie multi-vari wychodzi od dwóch prostych faktów. Zmienność rzadko rozkłada się równomiernie: zwykle jedna przyczyna dominuje nad pozostałymi. A każda przyczyna zostawia w danych swój ślad — działa na przykład wewnątrz detalu, od detalu do detalu albo w czasie.
Zamiast więc sprawdzać przyczyny po kolei, mierzy się detale, które proces i tak już produkuje, i wyklucza całe rodziny przyczyn naraz. Jeśli zmienność tkwi między godzinami, główną przyczyną nie może być nic, co działa wewnątrz pojedynczego detalu — i ci podejrzani spadają z listy bez choćby jednego eksperymentu.
- Wiele możliwych przyczyn na liście
- 1 rodzina, w której tkwi zmiennośćMulti-vari
- Kilka podejrzanych przyczyn w tej rodzinie
- 1 przyczyna dominująca, potwierdzona testem
Miejsce w rozwiązywaniu problemów
Badanie multi-vari samo nie rozwiązuje problemu — pokazuje, gdzie szukać. W poszukiwaniu progresywnym każdy krok zawęża pole, aż zostanie jedna przyczyna. Tę przyczynę dominującą Shainin nazywa Red X®. W projektach Six Sigma to samo badanie należy do fazy Analyze cyklu DMAIC.
Zdefiniowanie problemu
Zgłoszony problem przekłada się na jedną mierzalną wielkość wyjściową — Shainin nazywa ją Green Y® — i sprawdza, czy przyrząd pomiarowy jest w stanie wychwycić różnicę.
Ustalenie, gdzie rodzi się zmienność Multi-vari
Przeprowadza się badanie multi-vari i wskazuje rodzinę, która niesie większość zmienności.
Zawężenie poszukiwań
W obrębie tej rodziny porównuje się najlepsze i najgorsze detale, aby zobaczyć, czym się różnią.
Potwierdzenie przyczyny
Potwierdza się ją testem: podejrzany czynnik włącza się i wyłącza, obserwując, jak problem pojawia się i znika.
Naprawa i utrzymanie efektu
Dla tej przyczyny ustala się właściwą tolerancję lub sposób nadzoru i weryfikuje poprawę.
Najczęstsze rodziny zmienności
Trzy najczęstsze rodziny opisano poniżej. Zależnie od procesu badanie dzieli je dalej lub dodaje kolejne — na przykład między maszynami, między gniazdami formy lub między operatorami. Wykres multi-vari pokazuje je obok siebie, więc największa od razu rzuca się w oczy.
Wewnątrz detalu
Zmiany w obrębie jednego detalu — wzdłuż, w poprzek, po obwodzie.
Przykład: stożkowość lub owalność wałka po obróbce.
Między detalami
Różnice między kolejnymi detalami albo między gniazdami, przyrządami lub maszynami.
Przykład: jedno gniazdo formy pracujące inaczej niż pozostałe.
W czasie
Przesunięcia z godziny na godzinę, ze zmiany na zmianę lub z partii na partię.
Przykład: wymiar dryfujący podczas nagrzewania się maszyny.
Jak przebiega badanie multi-vari
Bez specjalnego sprzętu i bez eksperymentów — wystarczy zaplanowany sposób pobierania próbek z pracującego procesu.
Wybór jednej mierzonej wielkości wyjściowej
Tej, na której widać problem, oraz przyrządu pomiarowego, który wychwytuje różnice.
Pomiar w kilku pozycjach na każdym detalu
Na kilku kolejnych detalach, aby ujawniła się zarówno zmienność wewnątrz detalu, jak i między detalami.
Powtórzenie w czasie
W kolejnych godzinach, zmianach lub partiach — bez regulowania procesu pomiędzy pomiarami.
Naniesienie na wykres i porównanie
Wszystkie odczyty trafiają na jeden wykres. Rodzina o największym rozrzucie to ta, w której tkwi przyczyna.
Jak czytać wykres multi-vari
Należy porównać długość linii, skoki między detalami i przesunięcia między godzinami. Największy rozrzut pokazuje, gdzie tkwi przyczyna.
W detaluDługie linie, a na górze za każdym razem ta sama pozycja — przyczyna działa w obrębie samego detalu.
Detal–detalKrótkie linie, ale duże skoki od detalu do detalu — przyczyna zmienia się z cyklu na cykl.
W czasieKażda godzina ma własny poziom — przyczyna zmienia się w czasie, jak nagrzewająca się maszyna.
Studium przypadku
Znane przesunięcie, nieznany wzorzec
Producent silników złomował wałki rozrządu, bo krzywki nie trafiały w wymagane położenie. Progresywne badanie multi-vari — położenie krzywek mierzone w kilku punktach procesu — wskazało, że główna zmiana zachodzi przy hartowaniu. W zakładzie wiedziano już, że krzywki się tam przesuwają. Nikt jednak nie wiedział, że przesuwają się według przewidywalnego, nielosowego wzorca: za każdym razem o tę samą wartość i w tym samym kierunku. Dlatego szlifierki do krzywek przeprogramowano tak, by kompensowały to przesunięcie. Badanie multi-vari pokazało, gdzie tkwi przyczyna, a wzorzec — jak ją zneutralizować.
560 000 $mniej braków rocznie
5 000 $na wdrożenie
Najczęstsze pytania o wykres multi-vari
Do czego służy wykres multi-vari?
Do sprawdzenia, która rodzina zmienności — na przykład wewnątrz detalu, między detalami czy w czasie — ma największy udział w problemie, tak aby poszukiwania zaczęły się we właściwym miejscu, a nie od długiej listy domysłów.
Kiedy stosować badanie multi-vari?
Gdy mierzona charakterystyka zmienia się za bardzo, a przyczyna jest nieznana — zwłaszcza przy problemach chronicznych, w których podejrzewano wiele przyczyn, lecz żadnej nie potwierdzono. Badanie prowadzi się na pracującym procesie, więc nie trzeba zatrzymywać produkcji ani najpierw projektować eksperymentów.
Kto wymyślił wykres multi-vari?
Leonard Seder opublikował go w 1950 roku. Dorian Shainin uczynił z niego jeden z pierwszych kroków swojego podejścia do znajdowania dominującej przyczyny zmienności — przyczyny, którą nazwał Red X®.
Czym różni się od eksperymentu planowanego (DOE)?
Eksperyment planowany celowo zmienia czynniki, aby zmierzyć ich wpływ, więc trzeba już wiedzieć, które czynniki badać. Badanie multi-vari jedynie obserwuje proces w trakcie pracy i wskazuje, w której rodzinie przyczyn szukać. Multi-vari wykonuje się najpierw: każdy eksperyment, który jeszcze będzie potrzebny, staje się wtedy mały i ukierunkowany.
Czy multi-vari jest częścią Six Sigma?
Tak. W projektach Six Sigma stosuje się je w fazie Analyze cyklu DMAIC, aby zawęzić listę możliwych przyczyn przed jakimkolwiek eksperymentem planowanym. W podejściu Red X® firmy Shainin to jeden z pierwszych kroków: pokazuje, w której rodzinie zmienności szukać.
Czy multi-vari to to samo co analiza wielowymiarowa?
Nie. Mimo podobnej nazwy wykres multi-vari to proste badanie graficzne jednej mierzonej charakterystyki. Analiza wielowymiarowa (wielozmienna) to rodzina metod statystycznych do wielu zmiennych naraz.
Czy wykres multi-vari pokazuje przyczynę źródłową?
Sam nie. Pokazuje, gdzie tkwi przyczyna — która rodzina niesie zmienność. Dopiero zawężanie poszukiwań i test potwierdzający pokazują, czym ta przyczyna jest.
Ile danych potrzeba?
Tyle, aby zobaczyć proces w najlepszym i w najgorszym stanie. Częsta zasada praktyczna: 2–5 odczytów na detal, na 3–5 kolejnych detalach, powtarzane w kilku okresach, aż badanie obejmie większość zwykłego zakresu zmienności.
Czy można użyć danych typu dobry/zły?
Wykres multi-vari wymaga wartości mierzonej — wymiaru, siły, przepływu, temperatury. W przypadku wad ocenianych tylko jako dobry/zły należy najpierw znaleźć mierzalną charakterystykę stojącą za wadą albo wybrać inną strategię.
Jakiego oprogramowania można użyć?
Shainin WRXT (Web Red X® Tracker), aplikacja internetowa dołączana do szkoleń Red X® firmy Shainin, ma wbudowany wykres multi-vari. Zapytaj eksperta o dostęp. Rysują go także ogólne pakiety statystyczne: Minitab (Stat > Quality Tools > Multi-Vari Chart) oraz JMP, gdzie nosi nazwę wykresu zmienności (variability chart). Do małego badania wystarczy arkusz kalkulacyjny. Oprogramowanie tylko rysuje wykres; przyczynę znajduje plan pobierania próbek.
Źródła: Leonard A. Seder, „Diagnosis with Diagrams”, Industrial Quality Control (1950); Multi-vari chart (po angielsku), Wikipedia.
Zmienność, której nie da się wyjaśnić?
Eksperci Red X® firmy Shainin pomagają producentom znaleźć przyczynę dominującą i usunąć ją raz na zawsze.